CN105260232B - 一种实现云计算虚拟机内部资源优化配置的方法及系统 - Google Patents

Abstract

本发明公开了一种实现云计算虚拟机内部资源优化配置的方法及系统，涉及云计算虚拟机的优化配置技术领域。该方法包括以下步骤：先根据用户申请的虚拟机配置分配一台资源充足的虚拟机；然后，将用户的应用程序加载至虚拟机中运行，根据性能指标权值向量模板产生新虚拟机，将应用程序迁移至每个新虚拟机运行并记录所需响应时间；再通过模拟退火算法和优选算法在性能指标权值向量模板中选出代表应用性能偏好的性能权值向量；最后根据该性能权值向量产生多个配置方案，并从中选出最合适的发送给用户。本发明能够给用户提供合理的配置建议，大大降低了用户资源配置时的选择难度；同时，还最大化利用了虚拟硬件资源，减少资源浪费，提高云资源利用率。

Description

一种实现云计算虚拟机内部资源优化配置的方法及系统

技术领域

本发明涉及云计算虚拟机的优化配置技术领域，具体来讲是一种实现云计算虚拟机内部资源优化配置的方法及系统。

背景技术

云计算作为一种新兴的IT资源供应模式，近年来得到了快速的发展。云计算旨在低成本地为用户按需提供高质量的弹性云服务。云计算提供的IaaS(Infrastructure as aService，基础设施即服务)，让用户能够高效、可靠、经济的使用计算资源。云计算的一个重要目标是，让用户在不增加额外购置和维护开销的情况下，顺利完成用户本身无法完成的任务。它的实现效果很大程度上取决于虚拟资源的优化配置方法。因此，如何有效地管理虚拟资源分配，让资源利用率最大化并确保用户对资源使用的有效性，是云计算研究的重要方向。

目前，大多数用户在开始使用云计算产品时，不论选择哪个厂商，都必将面对虚拟机资源定量选择这一问题。当前的一般厂商提供的云服务只会给出一个宽泛的建议范围，大体分为两类：

一类需要用户选择CPU的核数、内存、硬盘容量、数据中心区域链路类型及带宽等信息。例如，华为云服务只针对各性能指标间的极限匹配标准给出建议，如当用户申请4个核的CPU时，内存的选择范围是2G到16G，而选择8个核的CPU时，内存的选项为8G到32G。但这仍然是一个很大的范围，用户依然无法确定自己到底需要多大的配置(过高的配置会产生资源浪费，低了无法满足正常的使用)，往往选择的配置也不是最优化的方案，用户的选择难度较大。

另一类进行了性能偏好上的划分。对于每种类型的虚拟机实例，都进行了文字上的简单说明，并在每种实例中都给出了具体的几组配置方案，因此用户不需要再考虑几个指标的权重比例。这样在一定程度上减少了用户的选择成本，提高了性价比。但是，选择的结果仍然会有大量的资源冗余(即用户选择的资源往往大于实际所需的资源)，冗余的比例几乎等于浪费的比例，这既增大了用户使用成本，又不利于公共云资源的合理分配，降低了云资源的利用率。

发明内容

本发明的目的是为了克服上述背景技术的不足，提供一种实现云计算虚拟机内部资源优化配置的方法及系统，能够给用户提供合理的配置建议，大大降低了用户资源配置时的选择难度；同时，还最大化利用了虚拟硬件资源，减少资源浪费，提高云资源利用率。

为达到以上目的，本发明提供一种实现云计算虚拟机内部资源优化配置的方法，包括以下步骤：

S1：根据用户申请的虚拟机配置，从云资源池中分配一台性能充足的虚拟机，转入S2；

S2：将用户的应用程序加载至虚拟机中运行；根据服务器端已有的性能指标权值向量模板，不断产生新虚拟机；将应用程序迁移至每个新虚拟机，并记录每个新虚拟机运行应用程序所需的响应时间，转入S3；

S3：以每个新虚拟机的响应时间和服务等级协议SLA协议中的响应时间为约束条件，通过模拟退火算法在性能指标权值向量模板中遍历，找出多个满足SLA协议的性能指标权值向量；通过优选算法在当前多个性能指标权值向量中选出一个性能指标权值向量，作为应用的性能偏好，转入S4；

S4：根据选出的性能指标权值向量，产生多个虚拟机配置方案；按照配置由低到高的顺序，依次将每个虚拟机配置方案在虚拟机上运行；记录虚拟机响应时间，一旦响应时间满足SLA协议中响应时间，则将该虚拟机配置方案选为最合适的配置方案，发送给用户，结束。

在上述技术方案的基础上，S2中所述性能指标权值向量模板包括多组性能指标权值向量，每组性能指标权值向量包括多个性能指标权值向量，每个性能指标权值向量表示虚拟机性能指标之间的比例。

在上述技术方案的基础上，所述虚拟机性能指标包括CPU性能指标、内存性能指标和硬盘性能指标。

在上述技术方案的基础上，S2中所述根据服务器端已有的性能指标权值向量模板，不断产生新的虚拟机，具体包括以下步骤：根据性能指标权值向量模板中的每个性能指标权值向量，按照随机分配的方式，产生多个符合性能指标权值向量要求的新虚拟机，即一个性能指标权值向量对应产生多个新虚拟机。

在上述技术方案的基础上，S3中所述优选算法为取平均值算法。

在上述技术方案的基础上，S4中所述根据选出的性能指标权值向量，产生多个虚拟机配置方案，具体包括以下步骤：根据选出的性能指标权值向量，按照配置由低到高的分配方式，产生多个虚拟机配置方案。

在上述技术方案的基础上，S1中所述用户申请的虚拟机配置是用户根据平时使用计算机的经验来决定的；所述性能充足的虚拟机是指分配的虚拟机完全满足用户的应用需求，即分配的虚拟机会有资源冗余。

本发明还提供一种基于上述方法的实现云计算虚拟机内部资源优化配置的系统，包括初始配置模块、应用测算模块、向量选择模块和配置方案生成模块；

所述初始配置模块用于：根据用户申请的虚拟机配置，从云资源池中分配一台性能充足的虚拟机，并向应用测算模块发送应用测算信号；

所述应用测算模块用于：收到测试信号后，将用户的应用程序加载至虚拟机中运行；根据服务器端已有的性能指标权值向量模板，不断产生新虚拟机；将应用程序迁移至每个新虚拟机，并记录每个新虚拟机运行应用程序所需的响应时间，向向量选择模块发送向量选择信号；

所述向量选择模块用于：收到向量选择信号后，以每个新虚拟机的响应时间和服务等级协议SLA协议中的响应时间为约束条件，通过模拟退火算法在性能指标权值向量模板中遍历，找出多个满足SLA协议的性能指标权值向量；通过优选算法在当前多个性能指标权值向量中选出一个性能指标权值向量作为应用的性能偏好，并向配置方案生成模块发送方案生成信号；

所述配置方案生成模块用于：收到方案生成信号后，根据选出的性能指标权值向量，产生多个虚拟机配置方案；按照配置由低到高的顺序，依次将每个虚拟机配置方案在虚拟机上运行；记录虚拟机响应时间，一旦响应时间满足SLA协议中响应时间，则将该虚拟机配置方案选为最合适的配置方案，发送给用户。

本发明的有益效果在于：

(1)本发明中，将代表虚拟机性能指标(CPU性能指标、内存性能指标、硬盘性能指标)比例关系的性能指标权值向量组成性能指标权值向量模板，利用该性能指标权值向量模板产生若干用于测算应用需求的虚拟机，并通过模拟退火算法的遍历和优选算法的挑选，在性能指标权值向量模板中寻找出一个满足应用的性能偏好的性能指标权值向量，即通过该性能指标权值向量能反应出用户的应用需求主要是偏重虚拟机的哪个方面(是偏重CPU需求、内存需求还是硬盘需求)；然后，根据寻找出的性能指标权值向量能定制出多种满足应用需求的虚拟机配置方案，最终通过合理挑选将最合适的配置方案推送给用户。上述实现方法以CPU、内存、硬盘等性能指标为粒度，对应用的性能需求做定量分析，进而精确给出满足各项性能指标配置的虚拟机最佳建议。与现有技术中云服务提供商只给出虚拟机资源配置的宽泛建议范围的方式相比，本发明能够给用户提供合理的配置建议，大大降低了用户资源配置时的选择难度，为用户节约时间和经济成本。

(2)本发明中，从多个满足应用需求的虚拟机配置方案中挑选出性能偏好比例最合适的一个配置方案，按照每个虚拟机配置方案依次产生虚拟机，并将应用在虚拟机中运行，一旦虚拟机响应时间满足SLA(Service-Level Agreement，服务等级协议)中响应时间，则将该虚拟机配置方案选为最合适的配置方案，发送给用户。由于每个虚拟机配置方案在虚拟机上运行时是按照配置由低到高的顺序进行的，因此，最先满足SLA协议中响应时间的配置方案，则一定是既能满足运行要求，所需配置又最低的配置方案，即为资源冗余最小的、最合适的配置方案。用户运用该配置方案进行虚拟机内部资源的优化配置，能达到最大化地利用虚拟硬件资源，减少资源浪费，提高云资源利用率的目的。

附图说明

图1为本发明实施例中实现云计算虚拟机内部资源优化配置的方法的流程图；

图2为本发明实施例中实现云计算虚拟机内部资源优化配置的系统的框图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步的详细描述。

参见图1所示，本发明实施例提供一种实现云计算虚拟机内部资源优化配置的方法，包括以下步骤：

S1：根据用户申请的虚拟机配置，从云资源池中分配一台性能充足的虚拟机，转入S2。

其中，S1中所述用户申请的虚拟机配置，是用户根据平时使用计算机的经验来决定的。所述性能充足的虚拟机，是指分配的虚拟机完全满足用户的应用需求，即分配的虚拟机会有资源冗余。

S2：将用户的应用程序加载至虚拟机中运行；根据服务器端已有的性能指标权值向量模板，不断产生新虚拟机；将应用程序迁移至每个新虚拟机，并记录每个新虚拟机运行应用程序所需的响应时间，转入S3。

其中，S2中所述性能指标权值向量模板包括多组性能指标权值向量，每组性能指标权值向量包括多个性能指标权值向量，每个性能指标权值向量表示虚拟机性能指标之间的比例，虚拟机性能指标包括CPU性能指标、内存性能指标和硬盘性能指标。不同的性能指标权值向量(即不同的虚拟机性能指标的比例)，代表了不同的虚拟机性能偏重，例如，应用需要读写大量数据，则虚拟机的硬盘性能指标的权重就会较大。

实际操作时，S2中所述根据服务器端已有的性能指标权值向量模板，不断产生新的虚拟机，具体包括以下步骤：根据性能指标权值向量模板中的每个性能指标权值向量，按照随机分配的方式，产生多个符合性能指标权值向量要求的新虚拟机，即一个性能指标权值向量对应产生多个新虚拟机。例如，某个性能指标权值向量为：CPU性能指标、内存性能指标、硬盘性能指标的比例为1:1:1，则按照随机分配的方式，可以产生以下多个新的虚拟机：虚拟机A-1核CPU、2G内存、25G硬盘；虚拟机B-2核CPU、4G内存、50G硬盘；虚拟机C-4核CPU、8G内存、100G硬盘。

S3：以每个新虚拟机的响应时间和SLA(Service-Level Agreement，服务等级协议)协议中响应时间为约束条件，通过模拟退火算法在性能指标权值向量模板中遍历，找出多个满足SLA协议的性能指标权值向量(此时找出的多个性能指标权值向量可能为比值相近的性能指标权值向量)；通过优选算法在当前多个性能指标权值向量中选出一个性能指标权值向量，作为应用的性能偏好，转入S4。其中，代表应用性能偏好的性能指标权值向量能反应出用户的应用需求主要是偏重虚拟机的哪个方面(是偏重CPU需求、内存需求还是磁盘需求)，例如，寻找出的性能指标权值向量中硬盘性能指标的权重较大，则表明应用对硬盘的需求较大，那么对应的虚拟机配置中，对硬盘的配置就会较高。

实际操作时，S3中所述优选算法为取平均值算法。

S4：根据选出的一个性能指标权值向量，按照配置由低到高的分配方式，产生多个虚拟机配置方案；按照配置由低到高的顺序，依次将每个虚拟机配置方案在虚拟机上运行；记录虚拟机响应时间，一旦响应时间满足SLA协议中响应时间，则将该虚拟机配置方案选为最合适的配置方案，发送给用户，结束。由于每个虚拟机配置方案在虚拟机上运行时是按照配置由低到高的顺序进行的，因此，最先满足SLA协议中响应时间的配置方案，则一定是既能满足运行要求，所需配置又最低的配置方案，即为资源冗余最小的、最合适的配置方案。

实际使用时，用户在接收到最合适的配置方案后，可直接使用该配置方案，也可根据此配置方案进行调整，进而完成虚拟机资源配置申请。

本发明的优化配置方法能够利用性能指标权值向量模板和模拟退火算法对CPU、内存、硬盘等性能配置指标按照应用的需求进行测算，从而给用户或管理员合理的配置建议，最大化利用了虚拟硬件资源，减少资源浪费，同时大大降低了用户资源配置时的选择难度。

参见图2所示，本发明还提供一种基于上述方法的实现云计算虚拟机内部资源优化配置的系统，包括初始配置模块、应用测算模块、向量选择模块和配置方案生成模块；

初始配置模块用于：根据用户申请的虚拟机配置，从云资源池中分配一台性能充足的虚拟机，并向应用测算模块发送应用测算信号；

应用测算模块用于：收到测试信号后，将用户的应用程序加载至虚拟机中运行；根据服务器端已有的性能指标权值向量模板，不断产生新虚拟机；将应用程序迁移至每个新虚拟机，并记录每个新虚拟机运行应用程序所需的响应时间，向向量选择模块发送向量选择信号；

向量选择模块用于：收到向量选择信号后，以每个新虚拟机的响应时间和服务等级协议SLA协议中的响应时间为约束条件，通过模拟退火算法在性能指标权值向量模板中遍历，找出多个满足SLA协议的性能指标权值向量；通过优选算法在当前多个性能指标权值向量中选出一个性能指标权值向量作为应用的性能偏好，并向配置方案生成模块发送方案生成信号；

配置方案生成模块用于：收到方案生成信号后，根据选出的性能指标权值向量，产生多个虚拟机配置方案；按照配置由低到高的顺序，依次将每个虚拟机配置方案在虚拟机上运行；记录虚拟机响应时间，一旦响应时间满足SLA协议中响应时间，则将该虚拟机配置方案选为最合适的配置方案，发送给用户。

本发明不局限于上述实施方式，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围之内。本说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。

Claims (7)

1.一种实现云计算虚拟机内部资源优化配置的方法，其特征在于，包括以下步骤：

S1：根据用户申请的虚拟机配置，从云资源池中分配一台性能充足的虚拟机，转入S2；

S2：将用户的应用程序加载至虚拟机中运行；根据服务器端已有的性能指标权值向量模板，不断产生新虚拟机，所述性能指标权值向量模板包括多组性能指标权值向量，每组性能指标权值向量包括多个性能指标权值向量，每个性能指标权值向量表示虚拟机性能指标之间的比例；将应用程序迁移至每个新虚拟机，并记录每个新虚拟机运行应用程序所需的响应时间，转入S3；

S3：以每个新虚拟机的响应时间和服务等级协议SLA协议中的响应时间为约束条件，通过模拟退火算法在性能指标权值向量模板中遍历，找出多个满足SLA协议的性能指标权值向量；通过优选算法在当前多个性能指标权值向量中选出一个性能指标权值向量，作为应用的性能偏好，转入S4；

S4：根据选出的性能指标权值向量，产生多个虚拟机配置方案；按照配置由低到高的顺序，依次将每个虚拟机配置方案在虚拟机上运行；记录虚拟机响应时间，一旦响应时间满足SLA协议中响应时间，则将该虚拟机配置方案选为最合适的配置方案，发送给用户，结束。

2.如权利要求1所述的实现云计算虚拟机内部资源优化配置的方法，其特征在于：所述虚拟机性能指标包括CPU性能指标、内存性能指标和硬盘性能指标。

3.如权利要求1所述的实现云计算虚拟机内部资源优化配置的方法，其特征在于：S2中所述根据服务器端已有的性能指标权值向量模板，不断产生新的虚拟机，具体包括以下步骤：根据性能指标权值向量模板中的每个性能指标权值向量，按照随机分配的方式，产生多个符合性能指标权值向量要求的新虚拟机，即一个性能指标权值向量对应产生多个新虚拟机。

4.如权利要求1所述的实现云计算虚拟机内部资源优化配置的方法，其特征在于：S3中所述优选算法为取平均值算法。

5.如权利要求1所述的实现云计算虚拟机内部资源优化配置的方法，其特征在于：S4中所述根据选出的性能指标权值向量，产生多个虚拟机配置方案，具体包括以下步骤：根据选出的性能指标权值向量，按照配置由低到高的分配方式，产生多个虚拟机配置方案。

6.如权利要求1所述的实现云计算虚拟机内部资源优化配置的方法，其特征在于：S1中所述用户申请的虚拟机配置是用户根据平时使用计算机的经验来决定的；所述性能充足的虚拟机是指分配的虚拟机完全满足用户的应用需求，即分配的虚拟机会有资源冗余。

7.一种基于权利要求1至6中任一项所述方法的实现云计算虚拟机内部资源优化配置的系统，其特征在于：包括初始配置模块、应用测算模块、向量选择模块和配置方案生成模块；

所述初始配置模块用于：根据用户申请的虚拟机配置，从云资源池中分配一台性能充足的虚拟机，并向应用测算模块发送应用测算信号；

所述应用测算模块用于：收到测试信号后，将用户的应用程序加载至虚拟机中运行；根据服务器端已有的性能指标权值向量模板，不断产生新虚拟机，所述性能指标权值向量模板包括多组性能指标权值向量，每组性能指标权值向量包括多个性能指标权值向量，每个性能指标权值向量表示虚拟机性能指标之间的比例；将应用程序迁移至每个新虚拟机，并记录每个新虚拟机运行应用程序所需的响应时间，向向量选择模块发送向量选择信号；

所述向量选择模块用于：收到向量选择信号后，以每个新虚拟机的响应时间和服务等级协议SLA协议中的响应时间为约束条件，通过模拟退火算法在性能指标权值向量模板中遍历，找出多个满足SLA协议的性能指标权值向量；通过优选算法在当前多个性能指标权值向量中选出一个性能指标权值向量作为应用的性能偏好，并向配置方案生成模块发送方案生成信号；

所述配置方案生成模块用于：收到方案生成信号后，根据选出的性能指标权值向量，产生多个虚拟机配置方案；按照配置由低到高的顺序，依次将每个虚拟机配置方案在虚拟机上运行；记录虚拟机响应时间，一旦响应时间满足SLA协议中响应时间，则将该虚拟机配置方案选为最合适的配置方案，发送给用户。